基于卡尔曼估计的车前路面工况2.5D实时重构技术研究
发布时间：2021-01-07 00:49
应急救援车辆特殊的工作性质及应用场合决定了其在面对复杂路况时仍旧需要保持行驶的平顺性,而提高车辆行驶平顺性的一个有效途径是通过轴前预瞄控制技术调节主动悬架。目前,对轴前预瞄控制的研究多集中在控制算法上,而对轴前预瞄控制输入信息获取方法的研究则有很大空白。为此,本文基于2.5D重构技术及数据融合技术对车前路面工况进行了重构,并从中提取了车辆预测轨迹上的高程信息作为预瞄控制的输入信息。本文结合国家重点研发计划项目“高机动多功能应急救援车辆关键技术研究与应用示范”（编号:2016YFC0802900）,研究了车前路面工况信息的2.5D重构方法及路面工况高程信息的提取方法。全文的主要研究工作如下:（1）完成了车前路面工况重构系统的硬件搭建和软件设计。根据需求对传感器进行了选择并在合适的位置安装各传感器,然后基于Win10系统通过编程实现了系统的软件设计。（2）为了提高系统稳定性及车辆位姿估计精度,建立了车辆坡路运动模型,并基于该模型的辅助实现了车辆位姿估计。首先建立了车辆坡路运动模型,并根据该模型分析了道路坡度对车辆位置估计的影响,然后基于车辆坡路运动模型的辅助应用扩展卡尔曼滤波方法实现了车辆...
【文章来源】：吉林大学吉林省 211工程院校 985工程院校 教育部直属院校
【文章页数】：86 页
【学位级别】：硕士
【部分图文】：
百度阿波龙自动驾驶小巴
第1章绪论5到合理的b样条曲面中以提取主要的地形表面信息。2014年，智利大学的Tsunekawa[20]等人在构建2.5D高程图时，在假设激光测量值和高程估计值符合高斯分布的情况下利用卡尔曼滤波的方法对二者进行融合以更新地图中每个单元格的高程值。2019年，哈尔滨工业大学的郭继峰[38]等人提出了一种基于多点测距信息的振动/陀螺耦合地形估计方法，在该方法的地形更新模型中，卡尔曼滤波的方法被用来融合某个位置处的最新测量值和已经存在的高度估计值。1.3.3重构结果表达方法的研究现状在通过数据融合的方式处理载体周围环境信息之后，还需要对这些环境信息进行表达，基于不同的需求便会产生不同的表达方式，因而环境信息重构结果的表达方法对车前路面工况重构的研究十分重要。环境信息的表达通常通过地图完成[39]。机器人学中地图的表示方法可以分为几何特征地图、栅格地图、拓扑地图及混合地图四类，这些方法在解决同时定位与建图(SLAM)的问题上颇具成效，但在非结构化的环境中容易丢失地形表面重要的几何信息。此外，占据栅格地图[40]也是一种十分流行的环境表示方法，但其同样更加适合于结构化环境的表达。因此，上述这些方法无法满足本文对于车前路面工况信息的表达要求。三维栅格地图[41]虽然可以提供更加准确的环境表示，但维护复杂的三维环境模型对于较高车速情况下的路面工况重构十分不利，同时对内存的需求也更大。图1.2为三维栅格地图的一个示例，来源于文献[41]。图1.2三维栅格地图
吉林大学硕士学位论文6相较于上述的2D地图及3D栅格地图，介于两者之间的2.5D高程地图[42]为本文车前路面工况重构结果的表达提供了较为合适的方法。在高程地图中，将水平面划分为一个个单元格，并在每个单元格中分配相应的高度估计值。目前，2.5D高程地图主要有两种结构：基于规则网格的高程地图和基于不规则网格的高程地图，其中基于正方形规则网格及不规则三角形网格的高程图的应用最为广泛。南卡罗来纳大学的Rekleitis[43,44]等人在文献[43]及[44]中利用不规则三角形网格来表示环境，如图1.3所示。加州理工学院的Cremea和Murray在文献[35]中使用了正方形规则网格来构建2.5D高程图。帕尔马大学的Broggi等人在文献[37]中利用点云数据构建了基于正方形规则网格的2.5D高程图。图1.4所示为正方形规则网格高程图，来源于文献[37]。图1.3三角形网格高程图图1.4正方形网格高程图虽然基于不规则三角形网格构建的高程图可以更好的表示地形的细节信息，
本文编号：2961568
【文章来源】：吉林大学吉林省 211工程院校 985工程院校 教育部直属院校
【文章页数】：86 页
【学位级别】：硕士
【部分图文】：
百度阿波龙自动驾驶小巴
第1章绪论5到合理的b样条曲面中以提取主要的地形表面信息。2014年，智利大学的Tsunekawa[20]等人在构建2.5D高程图时，在假设激光测量值和高程估计值符合高斯分布的情况下利用卡尔曼滤波的方法对二者进行融合以更新地图中每个单元格的高程值。2019年，哈尔滨工业大学的郭继峰[38]等人提出了一种基于多点测距信息的振动/陀螺耦合地形估计方法，在该方法的地形更新模型中，卡尔曼滤波的方法被用来融合某个位置处的最新测量值和已经存在的高度估计值。1.3.3重构结果表达方法的研究现状在通过数据融合的方式处理载体周围环境信息之后，还需要对这些环境信息进行表达，基于不同的需求便会产生不同的表达方式，因而环境信息重构结果的表达方法对车前路面工况重构的研究十分重要。环境信息的表达通常通过地图完成[39]。机器人学中地图的表示方法可以分为几何特征地图、栅格地图、拓扑地图及混合地图四类，这些方法在解决同时定位与建图(SLAM)的问题上颇具成效，但在非结构化的环境中容易丢失地形表面重要的几何信息。此外，占据栅格地图[40]也是一种十分流行的环境表示方法，但其同样更加适合于结构化环境的表达。因此，上述这些方法无法满足本文对于车前路面工况信息的表达要求。三维栅格地图[41]虽然可以提供更加准确的环境表示，但维护复杂的三维环境模型对于较高车速情况下的路面工况重构十分不利，同时对内存的需求也更大。图1.2为三维栅格地图的一个示例，来源于文献[41]。图1.2三维栅格地图
吉林大学硕士学位论文6相较于上述的2D地图及3D栅格地图，介于两者之间的2.5D高程地图[42]为本文车前路面工况重构结果的表达提供了较为合适的方法。在高程地图中，将水平面划分为一个个单元格，并在每个单元格中分配相应的高度估计值。目前，2.5D高程地图主要有两种结构：基于规则网格的高程地图和基于不规则网格的高程地图，其中基于正方形规则网格及不规则三角形网格的高程图的应用最为广泛。南卡罗来纳大学的Rekleitis[43,44]等人在文献[43]及[44]中利用不规则三角形网格来表示环境，如图1.3所示。加州理工学院的Cremea和Murray在文献[35]中使用了正方形规则网格来构建2.5D高程图。帕尔马大学的Broggi等人在文献[37]中利用点云数据构建了基于正方形规则网格的2.5D高程图。图1.4所示为正方形规则网格高程图，来源于文献[37]。图1.3三角形网格高程图图1.4正方形网格高程图虽然基于不规则三角形网格构建的高程图可以更好的表示地形的细节信息，
本文编号：2961568
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/2961568.html
